Skip to content
文章目录
GitHub Star

全部文章

文章目录3 大类 · 123 篇文章

按模块机制、架构思考与研发工程三条主线,找到当前要解决的问题。

标签

文章同时满足所有已选标签;更改标签或排序后回到第1页。

创建指本站当前语言版本首次进入主线的记录(追溯 Git 识别的重命名),不是原稿创作日期;更新按可见内容变化计算。日期为北京时间,缺失日期始终排在末尾。

显示 1–20 篇,共 123 篇 · 第 1 / 7 页

查看文章 ↓
  1. 把 Agent 拆成三个进程,究竟换来了什么?从单体 Runtime 到独立宿主

    通过一次定时研究和三项可复现的故障,说明把 Core、产品管理和后台 Worker 拆开能得到什么可用性收益、如何守住前台容量与原始回执,以及为什么多进程不等于微服务。

  2. 让 Agent 持续研究半小时:从普通研究到可靠交付的设计

    超长研究比普通研究多了哪些设计要求?以三只基金的比较任务为例,沿整体架构给出请求装配、预算收尾、材料回读、检查点与报告修订的实施步骤,并连接已有专题中的接线细节。

  3. Spec 驱动的 Agent 研发全景:从需求澄清到可信交付

    从 Spec 的背景与用途出发,沿文件接入案例理解原则如何进入方案、模板、行为约束和验证,再贯通归档与模板维护;不必照搬项目目录或另建一套审批流程。

  4. Agent 运行身份全景:从一次聊天到 Model Turn,系统到底在继续什么?

    沿一段基金比较对话,逐步看清任务、运行、模型回合、请求尝试与工具动作,再解释补充回答、进程接管和定时执行为何延续不同的身份,以及怎样用这些区别设计与排查 Agent。

  5. 专家、Subagent、Review、Judge:都是另一个模型,为什么不是同一回事?

    专家配置规定怎么做,Subagent 承担局部执行,Review 检查一份报告,Judge 比较一批结果。沿同一份基金报告,分清四者的输入、产物与决定权,判断什么时候值得增加一次模型调用。

  6. 报告写完以后:让 Agent 查证、协作,再独立复核

    接着第一篇练手,把选定网页、专家方法和报告复核串成一条可操作的研究路径。学会冻结材料、检查引用,并在保留原报告的前提下判断是否修改。

  7. Agent 测评的身份难题:一次任务换了模型,历史成绩还能算数吗?

    一次 Agent 任务可能经过多个模型请求、故障切换、子任务和冷恢复。用真实执行身份、行为输入与历史结果的三值可比性,解释为何同一 Run 的成绩不能直接归给预设模型,以及有边界的评测复用如何成立。

  8. Prompt、Context、RAG、Memory,模型的输入从哪里来?

    用同一项文档比较任务,分清任务要求、当前输入、外部检索和长期记忆。结合 Open ETF Agent 的离线示例,判断回答出问题时该补哪一类信息。

  9. Tool、Function Calling、MCP、Skill,一次行动怎样发生?

    沿一次读取产品指南的行动,串起工具、函数调用、MCP 和 Skill,理解能力、调用表达、接入协议与工作方法怎样配合,并在公开代码中观察完整过程。

  10. 聊天记录、上下文、记忆、检查点,Agent 怎样接上过去?

    从关掉程序后回来继续一项文档比较出发,分清对话历史、本轮输入、长期记忆与执行检查点,理解信息可回看和任务可接续分别依赖什么。

  11. 失败已经确定,为什么还返回不了?清理与结果结算的责任边界

    超限、401 或连接超时已经确定,为什么失败还返回不了?从异步等待、错误分类和共享槽位出发,判断清理何时应参与结果结算,以及取消发起与资源回收之间还缺什么证据。

  12. Deep Research:从资源升级到研究交付,我们怎么实现,又测出了什么?

    结合 OpenAI、Anthropic、Google 与开源实践,解释 Deep Research 的资源、并行取证和交付取舍,再用 ETF Agent 的实现与六组配对实验检验这些选择。

  13. 怎样建立贯穿研发与验收的 Agent 评测集

    评测集怎样从需求定义一路参与开发、真实任务验收和运行反馈?结合外部实践与 ETF Agent 当前 83 道题,解释题集组织、验证选集、工程关闭与研究质量之间的关系。

  14. ETF Agent 与 LangGraph 深度对比:概念映射、状态恢复与研究交付

    从 ETF Agent 曾经采用、后来退役 LangGraph 的真实经历出发,把图、状态、检查点、人机交互和子图对应到当前模块,解释两种设计的联系、差异与组合边界。

  15. AI Coding 质量全景:当代码大多由 AI 编写,怎样对整个项目负责?

    从业务约定、可理解的改动、有辨别力的验证,讲到审查、交付和持续演进;结合我们的开源实践与行业方案,解释怎样形成可信的质量判断,以及怎样控制验证与维护的成本。

  16. 从 Chat 到 Copilot,再到 Agent:AI 系统的底层架构究竟发生了什么变化?

    用同一项基金研究任务比较 Chat、Copilot、Agent 与长期助手的输入构造、执行控制、工具调用、持久化和恢复。结合 Open ETF Agent v0.24 解释模型提案如何成为受约束的真实执行。

  17. 一份基金研究报告,为什么关键结论仍可能不成立?

    用真实模型生成的基金研究报告和有界复核,解释现金流、部分持仓披露与ETF交易费用如何让看似完整的分析跨过证据边界,并给出逐项判断结论资格的方法。

  18. Checkpoint 系统设计:Agent 保存什么,又凭什么继续?

    讲清检查点何时保存、由谁发起、一次 Run 如何多次更新;用同一任务比较 LangGraph、Microsoft Agent Framework、Temporal 与 ETF Agent 的接续机制和职责边界。

  19. Agent 的脆弱与反脆弱:当保护机制开始制造故障

    从可选便签误拦、终结权收敛到 Spec 与 History,追问保护机制怎样放大局部失败,以及工程如何从反例中减少重复控制与演进负担。

  20. 把自己的资料交给 Agent:从第一份报告到可恢复的研究项目

    固定 Open ETF Agent v0.24,把自己的资料变成可回查报告,再用检索与有界 Child 核对同一个问题;学会区分原文、派生意见、任务恢复和项目容量。

文章记录各自取材时的实践;设计意图、受控验证与实际交付并非同一事实。

与个人博客并行:这里按问题连续阅读,博客保留时间线。 · 联系邮箱:hpoenixf@foxmail.com · 微信:hpoenixf0510